什么是LightGBM中的balanced bagging技术？

balanced bagging是LightGBM专门为二分类类别不平衡场景设计的bagging采样策略，主要解决普通全局统一比例bagging对少数类样本采样不足的问题，具体逻辑如下：

• 该功能通过两个独立参数控制两类样本的采样率：pos_bagging_fraction对应正类样本的采样比例，neg_bagging_fraction对应负类样本的采样比例，两类的采样率可以单独配置，不需要遵循统一的采样比例。
• 当你同时设置了上述两个参数时，balanced bagging就会自动触发生效，此时全局通用的bagging_fraction参数会被直接忽略，不会参与采样逻辑的计算。
• 实际使用示例：假设训练集有1000个正样本、10000个负样本，属于典型的不平衡数据集。设置pos_bagging_fraction=1.0、neg_bagging_fraction=0.1后，每轮bagging迭代会采样全部1000个正样本，再从10000个负样本中随机采样1000个，最终得到正负比例1:1的平衡训练子集，不需要提前对原始数据集做过采样或欠采样预处理。

该功能的核心优势在于既保留了bagging随机采样降低模型方差、提升泛化能力的特性，又能直接通过参数配置实现类别平衡采样，简化了不平衡分类任务的预处理流程。

注意：若仅设置pos_bagging_fraction和neg_bagging_fraction其中一个参数，balanced bagging不会生效，依然会沿用bagging_fraction的全局采样规则。

内容的提问来源于stack exchange，提问作者figs_and_nuts